植物營(yíng)養(yǎng)診斷自動(dòng)應(yīng)答網(wǎng)絡(luò)專家系統(tǒng)研究.pdf

1、在作物生長(zhǎng)領(lǐng)域，營(yíng)養(yǎng)元素作為生長(zhǎng)的關(guān)鍵因子之一，當(dāng)必需元素缺乏或過(guò)量時(shí)，作物會(huì)表現(xiàn)出特殊的癥狀。這種在外觀上看到的癥狀有助于人們對(duì)作物營(yíng)養(yǎng)狀況的了解，也是診斷作物營(yíng)養(yǎng)狀態(tài)的重要指標(biāo)。目前，在我國(guó)農(nóng)村基層，還相對(duì)缺乏有經(jīng)驗(yàn)的植物營(yíng)養(yǎng)診斷專家；農(nóng)民對(duì)作物因營(yíng)養(yǎng)元素異常導(dǎo)致的癥狀表現(xiàn)認(rèn)識(shí)不夠，因此不能科學(xué)地診斷和及時(shí)校正營(yíng)養(yǎng)元素的豐缺。研究將網(wǎng)絡(luò)技術(shù)、數(shù)據(jù)庫(kù)、自動(dòng)分詞等現(xiàn)代計(jì)算機(jī)技術(shù)與傳統(tǒng)農(nóng)業(yè)技術(shù)結(jié)合，開(kāi)發(fā)面向?qū)I(yè)領(lǐng)域的植物營(yíng)養(yǎng)診斷自動(dòng)應(yīng)答系

2、統(tǒng)診斷專家系統(tǒng)。 研究分析和討論了知識(shí)獲取與知識(shí)表示的方法，在分析了植物營(yíng)養(yǎng)知識(shí)特點(diǎn)的內(nèi)在規(guī)律的基礎(chǔ)上，采用了專家知識(shí)和文獻(xiàn)知識(shí)兩種主要獲取方法。在研究過(guò)程中，參考了大量的相關(guān)資料，收集了覆蓋常見(jiàn)作物的元素豐缺條件下的典型與非典型癥狀描述，直接進(jìn)入數(shù)據(jù)庫(kù)的有286條。以此為基礎(chǔ)，提出了作物營(yíng)養(yǎng)元素癥狀描述的客觀標(biāo)準(zhǔn)集：1)按元素分類建立了12種元素的客觀標(biāo)準(zhǔn)集；2)在對(duì)客觀標(biāo)準(zhǔn)集分析歸納的基礎(chǔ)上，建立了植株的表觀癥狀描述、部位的

3、表觀癥狀描述、葉片的表觀癥狀描述和診斷檢索表；3)以SQL server2000為數(shù)據(jù)庫(kù)平臺(tái)，介紹了數(shù)據(jù)庫(kù)的物理設(shè)計(jì)和邏輯設(shè)計(jì)。 在已建各類知識(shí)的基礎(chǔ)上，提出了面向植物營(yíng)養(yǎng)診斷的分詞模型 PDCWSM，從分詞精度和可靠性判斷，確定了以雙向掃描法為主、逐詞遍歷法為輔的分詞方法，對(duì)于典型癥狀描述，分詞精度可達(dá)95％：對(duì)于非典型癥狀描述，分詞精度可達(dá)80-85％，基本上滿足了系統(tǒng)需要。 推理過(guò)程結(jié)合植物營(yíng)養(yǎng)專業(yè)知識(shí)和其內(nèi)在規(guī)律

4、性，提出了系統(tǒng)的回溯策略和不可回溯策略，提出采用正向推理結(jié)合反向推理的混合推理方式。根據(jù)植物元素功能及對(duì)癥狀的表現(xiàn)規(guī)律，研究建立了18條產(chǎn)生式推理規(guī)則，構(gòu)建了CERTAIN與LINCERTAIN表，實(shí)現(xiàn)了在理想條件下三級(jí)推理和非理想條件的CF置信區(qū)間判斷加提問(wèn)的產(chǎn)生式推理過(guò)程。 根據(jù)診斷結(jié)果建立了復(fù)混肥優(yōu)化配方的對(duì)偶模型規(guī)劃，利用其雙向分析功能對(duì)配方進(jìn)行了深入分析。在實(shí)現(xiàn)經(jīng)濟(jì)配方基礎(chǔ)上，利用縮減成本分析了原料未采用的原因是其有效